IDPForge：深度学习研究具有全局和局部无序区域的蛋白质

尽管机器学习已经以惊人的准确度改变了折叠蛋白基态的蛋白质结构预测，但内在无序蛋白和区域（IDPs/IDRs）由多样且动态的结构系综所定义，而 AlphaFold 和 RoseTTAFold 等算法对其预测的置信度较低。我们提出了一种机器学习方法 IDPForge（Intrinsically Disordered Protein, FOlded and disordered Region GEnerator，内在无序蛋白、折叠与无序区域生成器），它利用 transformer 蛋白质语言扩散模型来生成全原子 IDP 系综以及保留折叠结构域的 IDR 系综。IDPForge 不需要序列特异性训练，不需要从粗粒化表示进行反向变换，也不需要系综重加权。所生成的 IDP/IDR 构象系综与 NMR 和 SAXS 溶液实验数据均显示出良好的一致性，并且如有需要，还可选择使用实验约束进行偏置。具备这些多样能力的 IDPForge 有助于对含有内在无序的蛋白质开展整合性与结构性研究，并作为开源资源供普遍使用。

中文由 AI 翻译，仅供参考，以原文为准。